Analisis Regresi Berganda Analisis Statistik Inferensial

mengetahui sejauh mana pengaruh persepsi siswa tentang kreativitas mengajar guru dan lingkungan teman sebaya terhadap prestasi belajar pengantar akuntansi. Caranya dengan membandingkan probabilitas p value dengan taraf signifikan 5 atau 0,05. Apabila dari hasil perhitungan dengan bantuan SPSS v.20 diperoleh probabilitas p value 0,05 maka dapat dikatakan bahwa variabel X 1 dan X 2 berpengaruh terhadap Y secara bersama-sama simultan. Hal tersebut berarti persepsi siswa tentang kreativitas mengajar guru dan lingkungan teman sebaya berpengaruh terhadap prestasi belajar pengantar akuntansi secara bersama-sama. Begitu juga sebaliknya apabila dari hasil perhitungan dengan bantuan SPSS v.20 diperoleh probabilitas p value 0,05 maka dapat dikatakan bahwa variabel X 1 dan X 2 tidak berpengaruh terhadap Y secara bersama-sama simultan. Artinya persepsi siswa tentang kreativitas mengajar guru dan lingkungan teman sebaya tidak berpengaruh terhadap prestasi belajar pengantar akuntansi secara bersama-sama. 2 Pengaruh X 1 dan X 2 terhadap Y secara parsial uji t Untuk menguji kemaknaan koefisien parsial maka digunakan Uji t dengan taraf signifikan 5. Caranya adalah dengan membandingkan nilai probabilitas p value dengan taraf signifikan 5 atau 0,05. Apabila dari hasil perhitungan dengan bantuan komputer SPSS v.20 diperoleh nilai probabilitas p value 0,05 maka dapat dikatakan bahwa variabel X 1 dan X 2 berpengaruh terhadap Y secara terpisah parsial. Penelitian ini berarti persepsi siswa tentang kreativitas mengajar guru dan lingkungan teman sebaya berpengaruh terhadap prestasi belajar pengantar akuntansi secara terpisah. Sebaliknya apabila diperoleh nilai probabilitas p value 0,05 maka dapat dikatakan bahwa variabel X 1 dan X 2 tidak berpengaruh terhadap Y secara terpisah parsial. Dalam penelitian ini berarti persepsi siswa tentang kreativitas mengajar guru dan lingkungan teman sebaya tidak berpengaruh terhadap prestasi belajar pengantar akuntansi secara terpisah. 3 Koefisien Determinasi Simultan R 2 Untuk mengetahui besarnya kontribusi variabel bebas terhadap variabel terikat, maka perlu dicari koefisien determinasi secara keseluruhan. Hasil perhitungan R 2 secara keseluruhan digunakan untuk mengukur ketepatan yang paling baik dari analisis regresi linier berganda. Apabila nilai R 2 mendekati 1 satu maka dapat dikatakan semakin kuat model tersebut dalam menerangkan variasi variabel bebas terhadap variabel terikat dan sebaliknya, apabila R 2 mendekati 0 nol maka semakin lemah variasi variabel bebas dalam menerangkan variabel terikat. Dalam penelitian ini, peneliti mencari nilai R 2 menggunakan bantuan komputer dengan program SPSS v.20. 4 Koefisien determinasi parsial r 2 Koefisien determinasi parsial adalah untuk mengetahui besarnya kontribusi yang diberikan masing-masing variabel bebas terhadap variabel terikat secara parsial, yaitu besarnya koofisien determinasi parsial r 2 atau besarnya pengaruh X 1 dan X 2 terhadap Y secara parsial. Nilai r 2 dicari menggunakan bantuan komputer dengan program SPSS v.20.

3.6.2.2 Uji Prasyarat Regresi

1. Uji Normalitas

Uji normalitas yang digunakan dalam penelitian ini adalah dengan uji statistik non-parametrik Kolmogorov-Smirnov K-S. Uji normalitas data dilakukan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau mendekati normal. Uji statistik Kolmogorov-Smirnov K-S adalah salah satu uji statistik non-parametrik yang dapat digunakan untuk menguji normalitas residual Ghozali, 2011:163. Menurut Situmorang et.al dalam Fransiskus, 2009 bahwa apabila hasil uji Kolmogorov Smirnov dengan Sig 2- tailed lebih besar dari 0.05 α = 5 tingkat signifikansi maka data tersebut berdistribusi normal. Jika asumsi ini dilanggar maka uji statistik ini menjadi tidak valid untuk jumlah sampel kecil. Deteksi normalitas dapat dilakukan dengan melihat penyebaran data titik-titik pada sumbu diagonal dari grafik. Dasar pengambilan keputusan dari uji normalitas Ghozali, 2011:163 adalah sebagai berikut: 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. 2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.

2. Uji Linieritas

Uji linieritas dimaksudkan untuk mengetahui pola hubungan antara masing-masing variabel bebas dengan variabel terikat apakah berbentuk linier atau tidak. Uji linieritas dapat diketahui dengan menggunakan uji F. Uji linieritas digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. “Dengan uji linieritas akan diperoleh informasi apakah model empiris sebaiknya linier, kuadrat atau kubik” Ghozali, 2011:166. Hasil yang diperoleh melalui uji linieritas akan menentukan teknik analisis regresi yang akan digunakan. Jika hasil uji linieritas merupakan data yang linier maka digunakan analisis regresi linier. Sebaliknya jika hasil uji linieritas merupakan data yang tidak linier maka analisis regresi yang digunakan nonlinier. Dasar pengambilan keputusan dari uji ini dapat dilihat dari nilai c 2 hitung c 2 tabel maka model dinyatakan bahwa hubungannya linier” Ghozali, 2011:169.

3.6.2.3. Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk memastikan bahwa data yang digunakan beristribusi normal dan dalam model tidak mengandung multikolinieritas, heteroskedastisitas dan autokorelasi.

1. Uji Multikolinieritas

Uji multikolinieritas yang digunakan dalam penelitian ini adalah dengan perhitungan VIF dan nilai tolerance. Menurut Ghozali 2011:105 uji multikolinieritas bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen bebas. Pada model regresi yang baik seharusnya antar variabel bebas tidak terjadi kolerasi. Ada atau tidaknya